微型机器人,重量从几十克到几百克不等,具有有趣的现实应用潜力。由于重量轻,即使意外撞到人也非常安全。由于体积小,它们可以在狭窄的区域通行。如果能够廉价制造,它们可以大量部署,从而能够快速大面积覆盖,例如在温室中用于早期害虫或疾病检测。
然而,让如此微小的机器人自主运行是困难的,因为与较大的机器人相比,它们拥有极其有限的资源,一个主要的障碍是它们必须能够自主导航。为此,机器人需要从外部基础设施获得帮助。它们可以在户外使用来自GPS卫星的位置定位,或在室内使用无线通信信标。然而,通常情况下机器人不依赖这种基础设施。GPS在室内不可用,并且在像城市或峡谷这样的杂乱环境中可能非常不准确。而在室内空间安装和维护无线信标相当昂贵,或者根本不可能,例如在搜救场景中。
仅依靠自身资源的自主导航所需的AI主要为大型机器人设计,如自动驾驶汽车。一些方法依赖于笨重且耗电的传感器,如激光雷达激光测距仪,这些传感器无法被小型机器人携带或供电。其他方法则使用视觉传感器,这是一种非常节能的传感器,能提供丰富的环境信息。然而,这些方法通常试图创建环境的详细3D地图,这需要大量的处理和内存,只有大型且耗电的计算机才能提供,这对微型机器人来说是无法实现的。
里程计与视觉系统
这就是为什么一些研究人员转向自然寻求灵感。昆虫特别有趣,因为它们在可能与许多现实世界应用相关的距离上运行,同时使用非常稀缺的传感与计算资源。生物学家对昆虫使用的基本策略有了越来越多的了解。具体来说,昆虫结合了跟踪自身运动(称为“里程计”)与基于其低分辨率但几乎全向视觉系统(称为“视图记忆”)的视觉引导行为。虽然里程计在神经水平上越来越容易理解,但视图记忆背后的运行机制仍不太清楚。在这一工作原理的最早理论中,有一个“快照”模型理论。在这个模型中,像蚂蚁这样的昆虫被认为偶尔会“拍摄”其环境的快照。之后,当接近快照时,昆虫可以将其当前的视觉感知与快照进行比较。这使得昆虫能够导航,或“归巢”到快照位置,消除仅执行里程计时不可避免地积累的误差。
“基于快照的导航可以与汉塞尔在童话《汉塞尔和格莱特》中试图不迷路的方式相提并论。当汉塞尔在一路上扔石头时,他可以沿着扔下的石头回家。然而,当他扔下面包屑被鸟吃掉时,汉塞尔和格莱特迷路了。在该研究的例子中,石头就是快照。”该研究的第一作者汤姆·范·戴克说,“就像石头一样,为了使快照起作用,机器人必须足够接近快照位置。如果视觉环境与快照位置的环境差异太大,机器人可能会朝错误的方向移动,再也回不来了。因此,必须使用足够的快照——或者说扔足够多的石头。另一方面,如果石头扔得距离太近,石头会很快用完。在使用微型机器人的情况下,使用太多快照会导致内存占用过大。该领域的先前工作通常将快照设置得非常接近,以便机器人可以先视觉定位到一个快照,然后到下一个。”
新策略背后的主要想法是,如果机器人根据里程计在快照之间移动,你可以将快照的间隔拉得更远。
昆虫启发的导航策略使配备全向摄像头的56克“CrazyFlie”无人机能够以仅0.65千字节的存储量覆盖长达100米的距离。所有的视觉处理都在一个被称为“微控制器”的小型计算机上进行,这种计算机可以在许多廉价的电子设备中找到。
应用机器人技术
由昆虫启发的导航策略是将微型自主机器人应用于现实世界的重要一步,但这样策略的功能比现有最先进的导航方法提供的功能更为有限。它不生成地图,只允许机器人返回起点。尽管如此,对于许多应用来说,这可能已经足够了。例如,在仓库中跟踪库存或监测温室中的作物,无人机飞出收集数据,然后返回基站。它们可以将与任务相关的图像存储在小型SD卡上,供服务器进行处理,但它们不需要这些图像来为自身导航。 (航柯)
VIP课程推荐
APP专享直播
热门推荐
收起24小时滚动播报最新的财经资讯和视频,更多粉丝福利扫描二维码关注(sinafinance)